JURNAL 2010250018 ISTRANIADY DAN 2010250
ANALISIS PERBANDINGAN METODE FUZZY
TSUKAMOTO DAN METODE FUZZY
MAMDANI PADA PERBANDINGAN
HARGA SEPEDA MOTOR BEKAS
Istraniady (istraniady@mhs.mdp.ac.id), Priko Andrian (prikoandrian@yahoo.com)
Mardiani (mardiani@stmik-mdp.net)
Program Studi Teknik Informatika
STMIK GI MDP
Abstrak : Pada dasarnya dalam memperkirakan harga sepeda motor bekas belum digunakan suatu
metode tertentu, khususnya metode logika fuzzy. Logika fuzzy memiliki lebih dari satu metode dalam
perhitungan perkiraan hasil suatu kasus tertentu. Penelitian ini bertujuan untuk memberikan solusi dengan
cara membandingkan metode fuzzy Tsukamoto dengan metode fuzzy Mamdani dalam kasus
memperkirakan harga sepeda motor bekas dan menentukan metode manakah yang lebih baik. Metode
penelitian menggunakan metode komparasi atau perbandingan, dalam membandingkan perhitungannya
menggunakan nilai rata-rata dari hasil yang diperoleh pada kedua metode fuzzy tersebut. Hasil dari
penelitian ini dapat diambil kesimpulan bahwa perkiraan harga sepeda motor bekas menggunakan metode
fuzzy Tsukamoto lebih mahal dibandingkan dengan hasil perkiraan harga sepeda motor bekas
menggunakan metode fuzzy Mamdani. Penelitian ini sangat cocok untuk dipelajari bagi pengembang
aplikasi yang ingin membuat aplikasi perkiraan harga sepeda motor bekas menggunakan logika fuzzy baik
berbasis desktop, web maupun mobile.
Kata kunci : Penelitian Komparasi, Metode Fuzzy Tsukamoto, Metode Fuzzy Mamdani, Sepeda Motor
Bekas
Abstract : Basically in the estimates the prices of the used motorcycle have not used a particular method,
especially the method of fuzzy logic. Fuzzy logic has more than one method in the calculation of the
estimated outcome of a particular case. This study aims to provide a solution by comparing the
Tsukamoto fuzzy method with the Mamdani fuzzy method in the case of estimate teh price of used
motorcycle and determine which method is better. Research methods using method comparison, in
comparing calculations using the average value of the results obtained in both the fuzzy method. The
results of this study can be concluded that the forecast prices of used motorcycles using Tsukamoto fuzzy
method is more expensive compared to the results of the prices estimation of used motorcycle by using
Mamdani fuzzy method. This study is very suitable to be studied for application developers who want to
create applications used motorcycle price estimates using both fuzzy logic-based desktop, web and
mobile.
Key words : Comparative research, Tsukamoto Fuzzy method, Mamdani Fuzzy Methods, Used
Motorcycles
1 PENDAHULUAN
Jual beli sepeda motor merupakan suatu
kegiatan transaksi yang mungkin sering
ditemukan pada kehidupan sehari-hari.
Bahkan kegiatan transaksi tersebut bisa
ditemukan saat membaca surat kabar dan
melihat iklan jual beli sepeda motor di
internet dengan harga yang sangat bervariasi
baik dalam kondisi baru maupun kondisi
bekas. Untuk menentukan harga beli sepeda
motor bekas setidaknya ada beberapa hal yang
perlu diperhatikan. Beberapa diantaranya
adalah nama sepeda motor, tahun pembuatan
atau perakitan yang tertera dalam BPKB dan
STNK, jarak tempuh sepeda motor bekas,
kondisi sepeda motor bekas dan kisaran harga
jual sepeda motor bekas tersebut.
Hal - 1
Salah satu cara yang bisa digunakan dalam
memperkirakan harga sepeda motor bekas
adalah penerapan logika fuzzy, karena terdapat
beberapa data yang bisa digunakan dalam
melakukan perhitungan guna mendapatkan
perkiraan harga sepeda motor bekas. Di dalam
perhitungan logika fuzzy terdapat beberapa
metode, dan setiap metode memiliki cara dan
hasil perhitungan yang berbeda. Metode fuzzy
Tsukamoto dan metode fuzzy Mamdani dalam
perhitungannya memiliki cara yang berbeda
pada mesin inferensi dan defuzzifikasi.
Masalah yang timbul adalah bagaimana
cara membandingkan penerapan metode fuzzy
Tsukamoto dengan metode fuzzy Mamdani
dalam memperkirakan harga sepeda motor
bekas yang sesuai berdasarkan nama sepeda
motor, tahun pembuatan atau perakitan yang
tertera dalam BPKB dan STNK, kisaran jarak
tempuh, kondisi sepeda motor bekas dan
kisaran harga jual sepeda motor bekas
tersebut. Pada kesempatan penelitian ini, akan
dibandingkan penerapan metode fuzzy
Tsukamoto dengan metode fuzzy Mamdani
dalam memperkirakan harga sepeda motor
bekas. Untuk menerapkan dan membandingkan kedua metode tersebut, penyusunan
perhitungan sistematis akan mendapatkan
output sebagai bahan perbandingan antara
kedua metode tersebut dalam kasus perkiraan
harga sepeda motor bekas.
Berdasarkan uraian diatas, disusun skripsi
dengan judul “Analisis Perbandingan
Metode Fuzzy Tsukamoto dan Metode
Fuzzy Mamdani
pada Perbandingan
Harga Sepeda Motor Bekas”.
2 LANDASAN TEORI
2.1 Logika Fuzzy
“Logika fuzzy adalah suatu cara yang
tepat untuk memetakan suatu ruang input ke
dalam suatu ruang output” (Kusumadewi &
Purnomo 2004, h.1).
2.2 Penelitian Komparasi
“Kata ‘komparasi’ dalam bahasa inggris
comparation, yaitu perbandingan. Makna dari
kata tersebut menunjukkan bahwa penelitian
ini
peneliti
bermaksud
mengadakan
perbandingan kondisi yang ada dan apakah
kedua kondisi tersebut sama atau ada
perbedaan” (Arikunto 2010, h.6).
2.3 Cara Kerja Logika Fuzzy
Metode Tsukamoto dan metode Mamdani
memiliki algoritma yang hampir sama dalam
melakukan fuzzyfikasi dan aturan yang
digunakan dalam bentuk IF…THEN. Berikut
penjelasannya.
1. Fuzzyfikasi
“Proses untuk mengubah input sistem yang
mempunyai nilai tegas menjadi variabel
linguistik menggunakan fungsi keanggotaan yang disimpan dalam basis pengetahuan
fuzzy” (Sutojo et al. 2011, h. 232).
2. Pembentukan basis pengetahuan Fuzzy
(Rule dalam bentuk IF...THEN).
IF (X IS A) and (Y IS B) Then (Z IS C)
Dimana A, B, dan C adalah himpunan
fuzzy.
Walaupun terdapat langkah penyelesaian
yang hampir sama, terdapat perbedaan dalam
proses mesin inferensi dalam evaluasi aturan
dan proses defuzzyfikasi pada kedua metode
tersebut. Perbedaan antara metode fuzzy
Tsukamoto dan metode fuzzy Mamdani antara
lain:
a. Metode Fuzzy Tsukamoto
1. Saat proses evaluasi aturan dalam mesin
inferensi, metode fuzzy Tsukamoto
menggunakan fungsi implikasi MIN untuk
mendapatkan nilai α-predikat tiap-tiap rule
(α1, α2, α3,.... αn). Masing-masing nilai αpredikat digunakan untuk menghitung hasil
inferensi secara tegas (crisp) masingmasing rule (z1, z2, z3,.... zn).
2. Proses
defuzzyfikasi
pada
metode
Tsukamoto menggunakan metode rata-rata
(Average) dengan rumus berikut:
∑α z
z = ∑α1. 1
1
Hal - 2
b. Metode Fuzzy Mamdani
linear naik dan representasi linear turun
sehingga menjadi himpunan fuzzy berikut:
1. Saat melakukan evaluasi aturan dalam
mesin inferensi, metode Mamdani
menggunakan fungsi MIN dan komposisi
antar-rule menggunakan fungsi MAX
untuk menghasilkan himpunan fuzzy baru.
2. Proses defuzzyfikasi pada metode Mamdani
menggunakan metode Centroid dengan
rumus berikut:
z=
∫ µ(z).z dz
∫ µ(z)𝑑𝑧
3 METODOLOGI PENELITIAN
3.1 Gambaran Umum
Penyusunan
perhitungan
sistematis
menggunakan metode fuzzy Tsukamoto dan
metode fuzzy Mamdani dalam kasus perkiraan
harga sepeda motor bekas dilakukan melalui
beberapa tahap yaitu sebagai berikut:
3.1.1 Studi Literatur
Pada tahap ini, dikumpulkan bahan,
informasi, keterangan dan teori dalam buku,
dan konsultasi dengan para ahli atau
narasumber serta rujukan dari artikel yang
berhubungan dengan sepeda motor bekas,
metode fuzzy Tsukamoto dan metode fuzzy
Mamdani serta referensi lain yang dapat
digunakan untuk menyelesaikan laporan
skripsi.
3.1.2 Analisis Kebutuhan
Pada tahap ini, ditentukan kebutuhan
apa saja yang diperlukan dalam menyusun
perhitungan sistematis pada metode fuzzy
Tsukamoto dan metode fuzzy Mamdani,
terutama menyusun himpunan fuzzy dan
fungsi keanggotaan dalam fuzzyfikasi,
mengetahui atribut linguistik dan numeris
yang digunakan dalam fungsi keanggotaan
fuzzy, serta aturan-aturan yang digunakan
untuk mesin inferensi.
Himpunan
fuzzy
dan
fungsi
keanggotaan untuk fuzzyfikasi dalam kasus
perkiraan harga sepeda motor bekas dibuat
dengan menggabungkan antara representasi
1
0
a
b
Gambar 3.1 Himpunan Fuzzy yang
Digunakan dalam Fuzzyfikasi untuk Kasus
Perkiraan Harga Sepeda Motor Bekas
Himpunan
fuzzy
tersebut
dapat
digunakan untuk atribut linguistik yang
digunakan dalam fuzzyfikasi. Sebelum
mendapatkan atribut tersebut, dicari suatu
permasalahan seputar perkiraan harga sepeda
motor bekas.
3.1.3 Menentukan Variabel
Ditentukan bahwa atribut linguistik
logika fuzzy untuk perkiraan harga sepeda
motor bekas adalah kisaran kondisi, kisaran
jarak yang telah ditempuh dan kisaran harga
sepeda motor bekas. Maka yang menjadi
objek penelitian adalah kisaran kondisi,
kisaran jarak yang telah ditempuh dan kisaran
harga sepeda motor bekas.
3.1.4 Menentukan Sampel
Wawancara
dilakukan
terhadap
narasumber yang berprofesi dibidang jual-beli
sepeda motor bekas di palembang, sepeda
motor bekas yang akan diambil sampelnya
merupakan sepeda motor yang dimiliki setiap
narasumber dan dibatasi dari sepeda motor
keluaran tahun 2010 hingga tahun 2013.
Sepeda motor yang akan dijadikan sampel
dibatasi dari merek Yamaha, Honda &
Suzuki.
3.1.5 Mengumpulkan Data
Pada tahap ini, dikumpulkan data dan
informasi yang dibutuhkan yang berkaitan
dengan variabel, pengumpulan data dilakukan
Hal - 3
dengan menggunakan metode wawancara dan
observasi. Wawancara dilakukan untuk
dimintai data mengenai kisaran kondisi,
kisaran jarak tempuh serta kisaran harga
sepeda motor bekas.
Dalam penyusunan lembar wawancara,
ditentukan pedoman wawancara yang
digunakan. Untuk menentukan nilai dari
variabel numeris untuk kondisi sepeda motor
bekas dan kisarannya, pedoman wawancara
disusun terstruktur, yaitu pedoman wawancara
yang dibuat terperinci dan membentuk pilihan
ganda sehingga cukup ditandai pilihan
jawaban yang sesuai dengan jawaban
narasumber, sedangkan untuk menentukan
nilai dari variable numeris untuk kisaran jarak
tempuh untuk kategori jarang pakai dan rutin
pakai, serta untuk kisaran harga sepeda motor
bekas untuk kategori murah dan mahal,
disiapkan pertanyaan essai yang akan dijawab
oleh narasumber sesuai dengan isi pertanyaan
dan berdasarkan pengalaman dari narasumber.
4 HASIL DAN PEMBAHASAN
Pada tahap ini, didapatkan hasil
wawancara dari beberapa tempat di
palembang. Wawancara meliputi pertanyaan
untuk mendapatkan variabel numeris dimana
dalam kasus perkiraan sepeda motor bekas,
atribut linguistiknya terdiri dari kondisi yaitu
baik dan sedang, jarak tempuh yaitu jarang
pakai dan rutin pakai, harga bekas yaitu
murah dan mahal. Dari beberapa tempat,
hanya 6 narasumber yang bisa memberikan
informasi mengenai atribut linguistik tersebut.
Berikut tabel hasil wawancara penulis:
Tabel 4.1 Hasil Wawancara Variabel
Numeris untuk Kisaran Kondisi dan Jarak
Tempuh
Narasumber
Deddy Yong
(Central Motor)
Jarak Tempuh
(Km/Tahun)
Jarang Rutin
Baik
Pakai
Pakai
Kondisi (%)
Sed
ang
70
70
90
2.000
10.000
70
90
2.200
11.000
70
90
2.000
10.000
70
95
2.000
12.000
70
90
2.500
10.000
Untuk data mengenai harga sepeda motor
bekas, dikumpulkan sampel sepeda motor
bekas sebanyak 15 contoh sampel dari 6
nasarumber dengan diketahui harga bekas
murah dan mahal dari setiap sampel tersebut.
Setelah didapat hasil wawancara dari
beberapa narasumber pada Tabel 4.1 serta dari
15 sampel sepeda motor bekas, selanjutnya
diambil kesimpulan dari wawancara tersebut.
Untuk menentukan nilai variabel numeris
pada kondisi baik dan kondisi sedang,
dipakailah rumus median yaitu mencari nilai
tengah dengan nilai yang didapat antara lain:
Kondisi Sedang = 70%
Kondisi Baik = 90%
4.1 Data Uji Coba
Var. Linguistik
Hilman (Kurnia
Motor)
Mat Dahlan
Sofian (Yayan
Motor)
Sonny (Sumber
Jaya Motor)
Sugiarti (Buana
Motor)
95
2.500
11.000
Untuk menentukan nilai variabel numeris
pada jarak tempuh yaitu jarang pakai dan rutin
pakai, digunakan rumus nilai rata-rata untuk
mendapatkan ukuran pemusatan data dengan
nilai yang didapat antara lain:
2.200 km
365 ℎ𝑎𝑟𝑖
10666,666666666667 km
Jarak tempuh rutin pakai =
365 ℎ𝑎𝑟𝑖
Jarak tempuh jarang pakai =
Nilai variabel numeris pada harga bekas
yaitu murah dan mahal juga didapat dengan
menggunakan rumus nilai rata-rata untuk
mendapatkan ukuran pemusatan data dan
disusun pada Tabel 4.3.
Tabel 4.3 Daftar Kisaran Harga Sepeda
Motor Bekas
Sepeda Motor
Harga Murah
(Rp)
Harga Mahal
(Rp)
Honda Absolute
Revo SW Tahun
6.000.000
7.250.000
Hal - 4
2010
Honda Beat Tahun
2010
Honda Blade
Tahun 2010
Suzuki Satria F
150 Tahun 2010
Suzuki Thunder
125 Tahun 2010
Yamaha Vixion
Tahun 2010
Yamaha Vega ZR
Tahun 2010
Yamaha New
Jupiter Z Tahun
2010
Honda New Blade
Tahun 2011
Honda Supra X
125R Tahun 2011
Yamaha Byson
Tahun 2011
Yamaha Vega ZR
Tahun 2011
Yamaha New
Jupiter Z Tahun
2012
Yamaha Vega ZR
Tahun 2012
Yamaha Vixion
Tahun 2012
6.500.000
8.250.000
6.000.000
10.000.000
Data-data yang berkaitan dengan sepeda
motor seperti tahun sepeda motor, nama
sepeda motor, harga bekas murah dan harga
bekas mahal disimpan dalam database dengan
menggunakan aplikasi Microsoft Access.
8.750.000
11.000.000
4.3 Skenario Uji Coba
7.000.000
8.000.000
14.166.667
15.833.333
6.000.000
7.750.000
8.000.000
9.000.000
8.666.667
10.500.000
9.750.000
11.000.000
13.000.000
16.000.000
7.000.000
8.000.000
8.333.333
11.000.000
8.500.000
9.000.000
16.000.000
18.000.000
4.2 Spesifikasi Sistem Uji Coba
Pada tahap ini, digunakan alat bantu untuk
perhitungan
sistematis
metode
fuzzy
Tsukamoto dan metode fuzzy Mamdani serta
melakukan analisis hasil uji coba untuk
mendapat suatu perbandingan.
Alat bantu yang digunakan untuk
perhitungan
sistematis
metode
fuzzy
Tsukamoto dan metode fuzzy Mamdani yaitu
dengan menggunakan program aplikasi yang
dibuat khusus untuk perhitungan sistematis
kedua metode dengan menggunakan bahasa
pemrograman VB.net dan program tersebut
dinamakan “Logika Fuzzy Perkiraan Harga
Sepeda Motor Bekas”.
4.3.1 Menentukan Himpunan Fuzzy dan
Fungsi Keanggotaan
Untuk atribut kondisi, dibagi menjadi 2
kategori yaitu kondisi sedang dengan nilai
numeris sebesar 70% dan kondisi baik dengan
nilai numeris sebesar 90%. Berikut pemaparan
terkait fuzzyfikasi untuk atribut kondisi.
µ(x) KONDISI
1
0
sedang
baik
70%
90%
Gambar 4.1 Himpunan Fuzzy dan Fungsi
Keanggotaan Kondisi
Fungsi keanggotaan:
1 ;
𝑥 ≤ 70
< 𝑥 < 90
;
𝑥 ≥ 90
0
0 ; 𝑥 ≤ 70
𝑥−70
µ(x) kondisi baik {90−70 ;70 < 𝑥 < 90
1 ; 𝑥 ≥ 90
µ(x) kondisi sedang
90−𝑥
{90−70 ;70
Untuk atribut jarak tempuh, dibagi
menjadi 2 kategori yaitu jarak tempuh jarang
pakai dan jarak tempuh rutin pakai. Jarak
tempuh dikalkulasikan dengan usia kendaraan
tersebut dalam satuan hari. Berikut pemaparan
terkait fuzzyfikasi untuk atribut jarak tempuh
secara umum.
Hal - 5
µ(y) Jarak Tempuh
1
Jarang
Pakai
Rutin
Pakai
µ(z) Harga Bekas
1
a
x usia kendaraan dalam satuan
hari
b =
10666,666666666667 km
365 ℎ𝑎𝑟𝑖
c
b
Gambar 4.2 Himpunan Fuzzy dan Fungsi
Keanggotaan Jarak Tempuh
2.200 km
365 ℎ𝑎𝑟𝑖
Mahal
0
0
a =
Murah
d
Gambar 4.3 Himpunan Fuzzy dan Fungsi
Keanggotaan untuk Harga Bekas Sepeda
Motor
c = Harga bekas murah sepeda motor
d = Harga bekas mahal sepeda motor
x usia kendaraan
dalam satuan hari
Fungsi keanggotaan:
1 ; 𝑦≤𝑎
TSUKAMOTO DAN METODE FUZZY
MAMDANI PADA PERBANDINGAN
HARGA SEPEDA MOTOR BEKAS
Istraniady (istraniady@mhs.mdp.ac.id), Priko Andrian (prikoandrian@yahoo.com)
Mardiani (mardiani@stmik-mdp.net)
Program Studi Teknik Informatika
STMIK GI MDP
Abstrak : Pada dasarnya dalam memperkirakan harga sepeda motor bekas belum digunakan suatu
metode tertentu, khususnya metode logika fuzzy. Logika fuzzy memiliki lebih dari satu metode dalam
perhitungan perkiraan hasil suatu kasus tertentu. Penelitian ini bertujuan untuk memberikan solusi dengan
cara membandingkan metode fuzzy Tsukamoto dengan metode fuzzy Mamdani dalam kasus
memperkirakan harga sepeda motor bekas dan menentukan metode manakah yang lebih baik. Metode
penelitian menggunakan metode komparasi atau perbandingan, dalam membandingkan perhitungannya
menggunakan nilai rata-rata dari hasil yang diperoleh pada kedua metode fuzzy tersebut. Hasil dari
penelitian ini dapat diambil kesimpulan bahwa perkiraan harga sepeda motor bekas menggunakan metode
fuzzy Tsukamoto lebih mahal dibandingkan dengan hasil perkiraan harga sepeda motor bekas
menggunakan metode fuzzy Mamdani. Penelitian ini sangat cocok untuk dipelajari bagi pengembang
aplikasi yang ingin membuat aplikasi perkiraan harga sepeda motor bekas menggunakan logika fuzzy baik
berbasis desktop, web maupun mobile.
Kata kunci : Penelitian Komparasi, Metode Fuzzy Tsukamoto, Metode Fuzzy Mamdani, Sepeda Motor
Bekas
Abstract : Basically in the estimates the prices of the used motorcycle have not used a particular method,
especially the method of fuzzy logic. Fuzzy logic has more than one method in the calculation of the
estimated outcome of a particular case. This study aims to provide a solution by comparing the
Tsukamoto fuzzy method with the Mamdani fuzzy method in the case of estimate teh price of used
motorcycle and determine which method is better. Research methods using method comparison, in
comparing calculations using the average value of the results obtained in both the fuzzy method. The
results of this study can be concluded that the forecast prices of used motorcycles using Tsukamoto fuzzy
method is more expensive compared to the results of the prices estimation of used motorcycle by using
Mamdani fuzzy method. This study is very suitable to be studied for application developers who want to
create applications used motorcycle price estimates using both fuzzy logic-based desktop, web and
mobile.
Key words : Comparative research, Tsukamoto Fuzzy method, Mamdani Fuzzy Methods, Used
Motorcycles
1 PENDAHULUAN
Jual beli sepeda motor merupakan suatu
kegiatan transaksi yang mungkin sering
ditemukan pada kehidupan sehari-hari.
Bahkan kegiatan transaksi tersebut bisa
ditemukan saat membaca surat kabar dan
melihat iklan jual beli sepeda motor di
internet dengan harga yang sangat bervariasi
baik dalam kondisi baru maupun kondisi
bekas. Untuk menentukan harga beli sepeda
motor bekas setidaknya ada beberapa hal yang
perlu diperhatikan. Beberapa diantaranya
adalah nama sepeda motor, tahun pembuatan
atau perakitan yang tertera dalam BPKB dan
STNK, jarak tempuh sepeda motor bekas,
kondisi sepeda motor bekas dan kisaran harga
jual sepeda motor bekas tersebut.
Hal - 1
Salah satu cara yang bisa digunakan dalam
memperkirakan harga sepeda motor bekas
adalah penerapan logika fuzzy, karena terdapat
beberapa data yang bisa digunakan dalam
melakukan perhitungan guna mendapatkan
perkiraan harga sepeda motor bekas. Di dalam
perhitungan logika fuzzy terdapat beberapa
metode, dan setiap metode memiliki cara dan
hasil perhitungan yang berbeda. Metode fuzzy
Tsukamoto dan metode fuzzy Mamdani dalam
perhitungannya memiliki cara yang berbeda
pada mesin inferensi dan defuzzifikasi.
Masalah yang timbul adalah bagaimana
cara membandingkan penerapan metode fuzzy
Tsukamoto dengan metode fuzzy Mamdani
dalam memperkirakan harga sepeda motor
bekas yang sesuai berdasarkan nama sepeda
motor, tahun pembuatan atau perakitan yang
tertera dalam BPKB dan STNK, kisaran jarak
tempuh, kondisi sepeda motor bekas dan
kisaran harga jual sepeda motor bekas
tersebut. Pada kesempatan penelitian ini, akan
dibandingkan penerapan metode fuzzy
Tsukamoto dengan metode fuzzy Mamdani
dalam memperkirakan harga sepeda motor
bekas. Untuk menerapkan dan membandingkan kedua metode tersebut, penyusunan
perhitungan sistematis akan mendapatkan
output sebagai bahan perbandingan antara
kedua metode tersebut dalam kasus perkiraan
harga sepeda motor bekas.
Berdasarkan uraian diatas, disusun skripsi
dengan judul “Analisis Perbandingan
Metode Fuzzy Tsukamoto dan Metode
Fuzzy Mamdani
pada Perbandingan
Harga Sepeda Motor Bekas”.
2 LANDASAN TEORI
2.1 Logika Fuzzy
“Logika fuzzy adalah suatu cara yang
tepat untuk memetakan suatu ruang input ke
dalam suatu ruang output” (Kusumadewi &
Purnomo 2004, h.1).
2.2 Penelitian Komparasi
“Kata ‘komparasi’ dalam bahasa inggris
comparation, yaitu perbandingan. Makna dari
kata tersebut menunjukkan bahwa penelitian
ini
peneliti
bermaksud
mengadakan
perbandingan kondisi yang ada dan apakah
kedua kondisi tersebut sama atau ada
perbedaan” (Arikunto 2010, h.6).
2.3 Cara Kerja Logika Fuzzy
Metode Tsukamoto dan metode Mamdani
memiliki algoritma yang hampir sama dalam
melakukan fuzzyfikasi dan aturan yang
digunakan dalam bentuk IF…THEN. Berikut
penjelasannya.
1. Fuzzyfikasi
“Proses untuk mengubah input sistem yang
mempunyai nilai tegas menjadi variabel
linguistik menggunakan fungsi keanggotaan yang disimpan dalam basis pengetahuan
fuzzy” (Sutojo et al. 2011, h. 232).
2. Pembentukan basis pengetahuan Fuzzy
(Rule dalam bentuk IF...THEN).
IF (X IS A) and (Y IS B) Then (Z IS C)
Dimana A, B, dan C adalah himpunan
fuzzy.
Walaupun terdapat langkah penyelesaian
yang hampir sama, terdapat perbedaan dalam
proses mesin inferensi dalam evaluasi aturan
dan proses defuzzyfikasi pada kedua metode
tersebut. Perbedaan antara metode fuzzy
Tsukamoto dan metode fuzzy Mamdani antara
lain:
a. Metode Fuzzy Tsukamoto
1. Saat proses evaluasi aturan dalam mesin
inferensi, metode fuzzy Tsukamoto
menggunakan fungsi implikasi MIN untuk
mendapatkan nilai α-predikat tiap-tiap rule
(α1, α2, α3,.... αn). Masing-masing nilai αpredikat digunakan untuk menghitung hasil
inferensi secara tegas (crisp) masingmasing rule (z1, z2, z3,.... zn).
2. Proses
defuzzyfikasi
pada
metode
Tsukamoto menggunakan metode rata-rata
(Average) dengan rumus berikut:
∑α z
z = ∑α1. 1
1
Hal - 2
b. Metode Fuzzy Mamdani
linear naik dan representasi linear turun
sehingga menjadi himpunan fuzzy berikut:
1. Saat melakukan evaluasi aturan dalam
mesin inferensi, metode Mamdani
menggunakan fungsi MIN dan komposisi
antar-rule menggunakan fungsi MAX
untuk menghasilkan himpunan fuzzy baru.
2. Proses defuzzyfikasi pada metode Mamdani
menggunakan metode Centroid dengan
rumus berikut:
z=
∫ µ(z).z dz
∫ µ(z)𝑑𝑧
3 METODOLOGI PENELITIAN
3.1 Gambaran Umum
Penyusunan
perhitungan
sistematis
menggunakan metode fuzzy Tsukamoto dan
metode fuzzy Mamdani dalam kasus perkiraan
harga sepeda motor bekas dilakukan melalui
beberapa tahap yaitu sebagai berikut:
3.1.1 Studi Literatur
Pada tahap ini, dikumpulkan bahan,
informasi, keterangan dan teori dalam buku,
dan konsultasi dengan para ahli atau
narasumber serta rujukan dari artikel yang
berhubungan dengan sepeda motor bekas,
metode fuzzy Tsukamoto dan metode fuzzy
Mamdani serta referensi lain yang dapat
digunakan untuk menyelesaikan laporan
skripsi.
3.1.2 Analisis Kebutuhan
Pada tahap ini, ditentukan kebutuhan
apa saja yang diperlukan dalam menyusun
perhitungan sistematis pada metode fuzzy
Tsukamoto dan metode fuzzy Mamdani,
terutama menyusun himpunan fuzzy dan
fungsi keanggotaan dalam fuzzyfikasi,
mengetahui atribut linguistik dan numeris
yang digunakan dalam fungsi keanggotaan
fuzzy, serta aturan-aturan yang digunakan
untuk mesin inferensi.
Himpunan
fuzzy
dan
fungsi
keanggotaan untuk fuzzyfikasi dalam kasus
perkiraan harga sepeda motor bekas dibuat
dengan menggabungkan antara representasi
1
0
a
b
Gambar 3.1 Himpunan Fuzzy yang
Digunakan dalam Fuzzyfikasi untuk Kasus
Perkiraan Harga Sepeda Motor Bekas
Himpunan
fuzzy
tersebut
dapat
digunakan untuk atribut linguistik yang
digunakan dalam fuzzyfikasi. Sebelum
mendapatkan atribut tersebut, dicari suatu
permasalahan seputar perkiraan harga sepeda
motor bekas.
3.1.3 Menentukan Variabel
Ditentukan bahwa atribut linguistik
logika fuzzy untuk perkiraan harga sepeda
motor bekas adalah kisaran kondisi, kisaran
jarak yang telah ditempuh dan kisaran harga
sepeda motor bekas. Maka yang menjadi
objek penelitian adalah kisaran kondisi,
kisaran jarak yang telah ditempuh dan kisaran
harga sepeda motor bekas.
3.1.4 Menentukan Sampel
Wawancara
dilakukan
terhadap
narasumber yang berprofesi dibidang jual-beli
sepeda motor bekas di palembang, sepeda
motor bekas yang akan diambil sampelnya
merupakan sepeda motor yang dimiliki setiap
narasumber dan dibatasi dari sepeda motor
keluaran tahun 2010 hingga tahun 2013.
Sepeda motor yang akan dijadikan sampel
dibatasi dari merek Yamaha, Honda &
Suzuki.
3.1.5 Mengumpulkan Data
Pada tahap ini, dikumpulkan data dan
informasi yang dibutuhkan yang berkaitan
dengan variabel, pengumpulan data dilakukan
Hal - 3
dengan menggunakan metode wawancara dan
observasi. Wawancara dilakukan untuk
dimintai data mengenai kisaran kondisi,
kisaran jarak tempuh serta kisaran harga
sepeda motor bekas.
Dalam penyusunan lembar wawancara,
ditentukan pedoman wawancara yang
digunakan. Untuk menentukan nilai dari
variabel numeris untuk kondisi sepeda motor
bekas dan kisarannya, pedoman wawancara
disusun terstruktur, yaitu pedoman wawancara
yang dibuat terperinci dan membentuk pilihan
ganda sehingga cukup ditandai pilihan
jawaban yang sesuai dengan jawaban
narasumber, sedangkan untuk menentukan
nilai dari variable numeris untuk kisaran jarak
tempuh untuk kategori jarang pakai dan rutin
pakai, serta untuk kisaran harga sepeda motor
bekas untuk kategori murah dan mahal,
disiapkan pertanyaan essai yang akan dijawab
oleh narasumber sesuai dengan isi pertanyaan
dan berdasarkan pengalaman dari narasumber.
4 HASIL DAN PEMBAHASAN
Pada tahap ini, didapatkan hasil
wawancara dari beberapa tempat di
palembang. Wawancara meliputi pertanyaan
untuk mendapatkan variabel numeris dimana
dalam kasus perkiraan sepeda motor bekas,
atribut linguistiknya terdiri dari kondisi yaitu
baik dan sedang, jarak tempuh yaitu jarang
pakai dan rutin pakai, harga bekas yaitu
murah dan mahal. Dari beberapa tempat,
hanya 6 narasumber yang bisa memberikan
informasi mengenai atribut linguistik tersebut.
Berikut tabel hasil wawancara penulis:
Tabel 4.1 Hasil Wawancara Variabel
Numeris untuk Kisaran Kondisi dan Jarak
Tempuh
Narasumber
Deddy Yong
(Central Motor)
Jarak Tempuh
(Km/Tahun)
Jarang Rutin
Baik
Pakai
Pakai
Kondisi (%)
Sed
ang
70
70
90
2.000
10.000
70
90
2.200
11.000
70
90
2.000
10.000
70
95
2.000
12.000
70
90
2.500
10.000
Untuk data mengenai harga sepeda motor
bekas, dikumpulkan sampel sepeda motor
bekas sebanyak 15 contoh sampel dari 6
nasarumber dengan diketahui harga bekas
murah dan mahal dari setiap sampel tersebut.
Setelah didapat hasil wawancara dari
beberapa narasumber pada Tabel 4.1 serta dari
15 sampel sepeda motor bekas, selanjutnya
diambil kesimpulan dari wawancara tersebut.
Untuk menentukan nilai variabel numeris
pada kondisi baik dan kondisi sedang,
dipakailah rumus median yaitu mencari nilai
tengah dengan nilai yang didapat antara lain:
Kondisi Sedang = 70%
Kondisi Baik = 90%
4.1 Data Uji Coba
Var. Linguistik
Hilman (Kurnia
Motor)
Mat Dahlan
Sofian (Yayan
Motor)
Sonny (Sumber
Jaya Motor)
Sugiarti (Buana
Motor)
95
2.500
11.000
Untuk menentukan nilai variabel numeris
pada jarak tempuh yaitu jarang pakai dan rutin
pakai, digunakan rumus nilai rata-rata untuk
mendapatkan ukuran pemusatan data dengan
nilai yang didapat antara lain:
2.200 km
365 ℎ𝑎𝑟𝑖
10666,666666666667 km
Jarak tempuh rutin pakai =
365 ℎ𝑎𝑟𝑖
Jarak tempuh jarang pakai =
Nilai variabel numeris pada harga bekas
yaitu murah dan mahal juga didapat dengan
menggunakan rumus nilai rata-rata untuk
mendapatkan ukuran pemusatan data dan
disusun pada Tabel 4.3.
Tabel 4.3 Daftar Kisaran Harga Sepeda
Motor Bekas
Sepeda Motor
Harga Murah
(Rp)
Harga Mahal
(Rp)
Honda Absolute
Revo SW Tahun
6.000.000
7.250.000
Hal - 4
2010
Honda Beat Tahun
2010
Honda Blade
Tahun 2010
Suzuki Satria F
150 Tahun 2010
Suzuki Thunder
125 Tahun 2010
Yamaha Vixion
Tahun 2010
Yamaha Vega ZR
Tahun 2010
Yamaha New
Jupiter Z Tahun
2010
Honda New Blade
Tahun 2011
Honda Supra X
125R Tahun 2011
Yamaha Byson
Tahun 2011
Yamaha Vega ZR
Tahun 2011
Yamaha New
Jupiter Z Tahun
2012
Yamaha Vega ZR
Tahun 2012
Yamaha Vixion
Tahun 2012
6.500.000
8.250.000
6.000.000
10.000.000
Data-data yang berkaitan dengan sepeda
motor seperti tahun sepeda motor, nama
sepeda motor, harga bekas murah dan harga
bekas mahal disimpan dalam database dengan
menggunakan aplikasi Microsoft Access.
8.750.000
11.000.000
4.3 Skenario Uji Coba
7.000.000
8.000.000
14.166.667
15.833.333
6.000.000
7.750.000
8.000.000
9.000.000
8.666.667
10.500.000
9.750.000
11.000.000
13.000.000
16.000.000
7.000.000
8.000.000
8.333.333
11.000.000
8.500.000
9.000.000
16.000.000
18.000.000
4.2 Spesifikasi Sistem Uji Coba
Pada tahap ini, digunakan alat bantu untuk
perhitungan
sistematis
metode
fuzzy
Tsukamoto dan metode fuzzy Mamdani serta
melakukan analisis hasil uji coba untuk
mendapat suatu perbandingan.
Alat bantu yang digunakan untuk
perhitungan
sistematis
metode
fuzzy
Tsukamoto dan metode fuzzy Mamdani yaitu
dengan menggunakan program aplikasi yang
dibuat khusus untuk perhitungan sistematis
kedua metode dengan menggunakan bahasa
pemrograman VB.net dan program tersebut
dinamakan “Logika Fuzzy Perkiraan Harga
Sepeda Motor Bekas”.
4.3.1 Menentukan Himpunan Fuzzy dan
Fungsi Keanggotaan
Untuk atribut kondisi, dibagi menjadi 2
kategori yaitu kondisi sedang dengan nilai
numeris sebesar 70% dan kondisi baik dengan
nilai numeris sebesar 90%. Berikut pemaparan
terkait fuzzyfikasi untuk atribut kondisi.
µ(x) KONDISI
1
0
sedang
baik
70%
90%
Gambar 4.1 Himpunan Fuzzy dan Fungsi
Keanggotaan Kondisi
Fungsi keanggotaan:
1 ;
𝑥 ≤ 70
< 𝑥 < 90
;
𝑥 ≥ 90
0
0 ; 𝑥 ≤ 70
𝑥−70
µ(x) kondisi baik {90−70 ;70 < 𝑥 < 90
1 ; 𝑥 ≥ 90
µ(x) kondisi sedang
90−𝑥
{90−70 ;70
Untuk atribut jarak tempuh, dibagi
menjadi 2 kategori yaitu jarak tempuh jarang
pakai dan jarak tempuh rutin pakai. Jarak
tempuh dikalkulasikan dengan usia kendaraan
tersebut dalam satuan hari. Berikut pemaparan
terkait fuzzyfikasi untuk atribut jarak tempuh
secara umum.
Hal - 5
µ(y) Jarak Tempuh
1
Jarang
Pakai
Rutin
Pakai
µ(z) Harga Bekas
1
a
x usia kendaraan dalam satuan
hari
b =
10666,666666666667 km
365 ℎ𝑎𝑟𝑖
c
b
Gambar 4.2 Himpunan Fuzzy dan Fungsi
Keanggotaan Jarak Tempuh
2.200 km
365 ℎ𝑎𝑟𝑖
Mahal
0
0
a =
Murah
d
Gambar 4.3 Himpunan Fuzzy dan Fungsi
Keanggotaan untuk Harga Bekas Sepeda
Motor
c = Harga bekas murah sepeda motor
d = Harga bekas mahal sepeda motor
x usia kendaraan
dalam satuan hari
Fungsi keanggotaan:
1 ; 𝑦≤𝑎